基于邊緣檢測的分割方法

《基于邊緣檢測的分割方法》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、基于邊緣檢測的分割方法摘要：邊緣檢測是數(shù)字圖像處理中的一項重要內(nèi)容。本文對圖像邊緣檢測的幾種經(jīng)典算法（Robets算子、Sobel算子、Log算子、Canny算子）進(jìn)行了分析和比較，并用MATLAB實現(xiàn)這幾個算法。最后通過實例圖像對不同邊緣檢測算法的效果進(jìn)行比較。數(shù)字圖像的邊緣檢測是圖像分割、目標(biāo)區(qū)域的識別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，是圖像識別中提取圖像特征的一個重要屬性。圖像理解和分析的第一步往往就是邊緣檢測。目前基于邊緣檢測的分割方法已經(jīng)在醫(yī)學(xué)工程應(yīng)用中占有十分重要的地位。關(guān)鍵字：邊緣檢測、Roberts算子、Log算子、Canny算子1、引言醫(yī)學(xué)圖像三維重建是通過計算機(jī)

2、圖形學(xué)、數(shù)字圖像處理技術(shù)、計算機(jī)可視化以及人機(jī)交互等技術(shù)，把二維的醫(yī)學(xué)圖像序列轉(zhuǎn)換為三維圖像在屏幕上顯示出來，并根據(jù)需要為用戶提供交互處理手段的理論、方法和技術(shù)。圖像分割是進(jìn)行圖像三維重建的必要準(zhǔn)備，圖像分割效果的優(yōu)劣直接影響三維重建在醫(yī)學(xué)領(lǐng)域的應(yīng)用[1]。醫(yī)學(xué)圖像分割和三維重建將數(shù)字圖像處理技術(shù)和計算機(jī)圖形學(xué)應(yīng)用在了在生物醫(yī)學(xué)工程中，該應(yīng)用涉及到計算機(jī)圖形學(xué)、圖像處理技術(shù)、生物醫(yī)學(xué)工程等多種技術(shù)，該領(lǐng)域的研究多學(xué)科交叉的，在醫(yī)學(xué)診斷、手術(shù)規(guī)劃及醫(yī)學(xué)教學(xué)等方面有很高的應(yīng)用價值，是近年來的計算機(jī)應(yīng)用技術(shù)的一個研究熱點(diǎn)。醫(yī)學(xué)圖像分割與三維重建是兩個不可分割的領(lǐng)域。圖像分割是圖像處理中的一個經(jīng)典難

3、題，也是圖像處理和計算機(jī)視覺領(lǐng)域中的基本技術(shù)[2]。目前、廣大研究者在圖像分割領(lǐng)域里已提出了上百種分割方法，每種分割方法只局限特定的分割對象，至今沒有一種通用的方法。目前主要應(yīng)用較多的圖像分割方法有兩種：基于圖像區(qū)域的方法和基于邊緣檢測的分割方法。而邊緣檢測一直是圖像處理中的熱點(diǎn)和難點(diǎn)，早期的經(jīng)典的邊緣檢測基本算法有很多，如Sobel?算子、梯度算子、Marr?算子、Robert?算子、Prewitt?算子、拉普拉斯算子、高斯偏導(dǎo)濾波器以及Canny?邊緣檢測器等。2、圖像分割如果要對人體內(nèi)部正?；虿∽兊膯蝹€組織或器官進(jìn)行三維重建和定量分析，首先需要對該組織或器官進(jìn)行分割，醫(yī)學(xué)圖像分割是醫(yī)學(xué)

4、圖像臨床應(yīng)用的瓶頸，準(zhǔn)確的分割的可以輔助醫(yī)生更容易的判斷疾病的真實情況，對病灶的量化分析并做出正確的疾病診斷至關(guān)重要[3]。圖像分割的目的是指將圖像中具有某些相同的特殊含義的不同區(qū)域進(jìn)行區(qū)別或提取出來，不同含義區(qū)域是互不相交的，相同含義的區(qū)域都滿足特定的一致性。根據(jù)對處理圖像的分析，圖像分割需要對圖像矩陣中所關(guān)心的目標(biāo)進(jìn)行定位。通過從復(fù)雜的景象中分割出感興趣的目標(biāo)物體，才能更方便地對圖像包含的有意義信息進(jìn)行定量分析并可以對圖像內(nèi)容進(jìn)行識別，方便對圖像進(jìn)行理解[4]。圖像灰度、顏色、紋理、局部統(tǒng)計特征或頻譜特征等都可以作為圖像分割的特征，分析圖像中這些特征之間的差異，從而將圖像中不同目標(biāo)物體區(qū)

5、分開來[5]。目前在臨床應(yīng)用的醫(yī)學(xué)影像設(shè)備（CT、MRI、PET等）成像技術(shù)上與普通格式的圖像有較大的差別，醫(yī)學(xué)圖像比其他格式的圖像更加具有多樣性和復(fù)雜性，使得某些醫(yī)療設(shè)備產(chǎn)生的醫(yī)學(xué)圖像可能存在一定的噪聲，在設(shè)備分辨率不高的情況下某些對象邊緣也有可能不是很清晰，因此一般來講醫(yī)學(xué)圖像的分割比普通格式圖片的分割要困難一些[6]。一般來說圖像分割過程中都只能采用很多特征中的某種特征進(jìn)行分割，因此每種方法必然帶有局限性和針對性，在實際應(yīng)用領(lǐng)域要根據(jù)應(yīng)用需要來選擇合適的分割方法。根據(jù)圖像分割過程中處理的對象的不同可以將圖像分割問題劃分為兩個基本的類型，即基于區(qū)域的整體分割和基于邊緣檢測的分割。3、基于

6、邊緣檢測的分割方法數(shù)字圖像的邊緣檢測是圖像分割、目標(biāo)區(qū)域的識別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，是圖像識別中提取圖像特征的一個重要屬性。圖像理解和分析的第一步往往就是邊緣檢測。目前它已成為機(jī)器視覺研究領(lǐng)域最活躍的課題之一，在工程應(yīng)用中占有十分重要的地位?；谶吘墮z測的圖像分割是利用圖像中目標(biāo)對象邊緣灰度變換一般比較劇烈的屬性，利用圖像處理中邊緣檢測方法將目標(biāo)對象所在的區(qū)域提取出來的分割方法。由于這種分割方法是利用不同圖像區(qū)域間的不同性質(zhì)（如區(qū)域邊緣的灰度不連續(xù)）檢測出各個區(qū)域間的分界線，因此通常導(dǎo)致分割出來的圖像對象的邊緣不連續(xù)，甚至有時可能得到錯誤的邊緣。近年來，隨著圖像統(tǒng)計理論

7、、模糊集理論、神經(jīng)網(wǎng)絡(luò)技術(shù)、圖形形態(tài)學(xué)理論、小波理論等逐漸應(yīng)用在在圖像分割領(lǐng)域，遺傳算法、尺度空間、多分辨率方法、非線性擴(kuò)展方程等方面的研究也不斷被用于圖像分割，不少研究人員提出了很多有針對具體領(lǐng)域的圖像分割方法[7][8]。基于邊緣檢測分割方法的關(guān)鍵是進(jìn)行邊緣檢測，按照處理順序邊緣檢測技術(shù)可以分為串行邊緣檢測和并行邊緣檢測。在串行邊緣檢測技術(shù)中，當(dāng)前像素是否屬于待檢測的邊緣受到先前象素的檢測結(jié)果的影響；而在